Een "infrastructuur": wat is dat en hoe bouw je het?

Velen van jullie hebben de afgelopen jaren de missie van de NCDD op een van mijn powerpointdia's zien staan:

Dat is een hele mond vol, en dus zeg ik er altijd maar bij: wat wij daaronder verstaan is een landelijk dekkend netwerk van voorzieningen: mensen, kennis, opslagfaciliteiten, software, hardware, opleidingen, en, niet te vergeten, financiering.

Over een mond vol gesproken ...

Hoe vlieg je zoiets groots aan? De ene methode is de deltaplanmethode: grootschalig, hoog-boven-over. In polderland Nederland zie je zoiets maar zelden. Dan moet het water ons écht aan de lippen staan, zoals in 1953 letterlijk gebeurde. Voor de duurzame bruikbaarheid van onze digitale bestanden is zo een beweging (nog) niet tot stand gekomen. Wij (zeg maar, informatieprofessionals) weten wel van de tijdbom die onder onze digitale informatie tikt, maar die urgentie wordt nog lang niet door alle bestuurders als dringend ervaren.

Dus hebben we binnen de NCDD gekeken of we de uitdaging in min of meer behapbare brokken kunnen opdelen. Daar zijn vier werkpakketten uit gekomen:

1. Opslag (het betrouwbaar en vooral zo efficiënt mogelijk opslaan van de bits en de bytes, inclusief netwerkverbindingen)
2. Preservering (wat moeten we nu precies doen om die duurzaamheid te waarborgen - monitoren van de ontwikkelingen (preservation watch), plannen van preserveringsacties, de softwaretools die je daarvoor nodig hebt, R&D, en vooral veel kennis)
3. Afstemming collectiebeleid (digitale informatie laat zich lastig vangen in de traditionele taakverdeling tussen instellingen, daar moet je nieuwe afspraken over maken)
4. Kwaliteitszorg en certificering (wanneer is een archief een 'trustworthy digital repository'? Hoe bewijs je dat?)

Voor de eerste twee werkpakketten zijn sinds juni dit jaar NCDD-werkgroepen aan het werk. Zij hebben de opdracht gekregen om diverse scenario's te bedenken voor een landelijke infrastructuur. Die moet a) zo efficiënt (lees: goedkoop) mogelijk zijn, en b) de kwaliteit van duurzame toegankelijkheid in Nederland op een hoger plan brengen - met name ook voor de kleine instellingen die zelf geen digitaal depot kunnen betalen. Alle officiële informatie daarover staat op http://www.ncdd.nl/over-beleid.php.

De werkgroep Preservering aan het werk: rond de tafel Jata Haan (EYE), Giovanna Fossati (EYE, voorzitter), Frédérique Vijftigschild (NCDD support), Paul Doorenbosch (KB), Aad van der Valk (Beeld en Geluid), Mette van Essen (Nationaal Archief), Jeanine Tieleman (DEN) en Andrea Scharnhorst (DANS); ontbreken: Barbara Sierman (KB), Robert Gillesse (DEN) en Gaby Wijers (NIMk). Beelden van de werkgroep Opslag houden jullie van me tegoed.

Aan mij de eer om al dit werk te ondersteunen vanuit de NCDD, en ik kan je zeggen, de werkgroepen hebben het niet gemakkelijk. Duurzame toegankelijkheid is een jong vak met heel veel onzekerheden. Wie kan voorspellen wat voor computers we over 10 of 20 jaar zullen hebben? Wie durft te voorspellen hoe snel het web blijft groeien? Wie durft te selecteren wat we wel en niet moeten bewaren? Wie durft er vandaag definitief te zeggen wat de beste duurzaamheidsstrategie is? En hoe zit het met alle bestuurlijke en juridische complicaties?

Ga er maar aan staan. Niettemin zijn we vol goede moed aan het werk gegaan. Er wordt hersenkrakend nagedacht en geschreven. Ideeën worden geopperd en soms weer van tafel geveegd. Om soms later opnieuw op te duiken als andere alternatieven niet haalbaar zijn gebleken.

Maar we hebben hulp nodig. Van jullie. Daarom organiseren we:

NCDD symposium "Bouw een huis voor ons digitaal geheugen",
24 januari 2012, KB, Den Haag, 10.30 u tot 16.30 u, toegang gratis, wél even aanmelden

Programma en aanmelden op http://ncddsymposium.eventbrite.com.

Webarchivering in Nederland: de status anno 2011

Hoe staat het ervoor met webarchivering in Nederland? ; en: Wat moeten we doen om webarchivering in Nederland beter te organiseren? – dat waren de centrale vragen die gisteren, 18 april 2011, op de rechthoekige tafel lagen van de NCDD rondetafelbijeenkomst webarchivering.
Het zal de lezer niet verbazen dat wij, ondanks de hoge opkomst en de enthousiaste discussies, vraag twee in één middag niet hebben kunnen beantwoorden. Maar de beantwoording van vraag één is voor mij een stuk dichterbij gekomen.
Omdat de NCDD een sectoroverkoepelende organisatie is, waren er deelnemers uit overheidsorganisaties (‘zorgdragers’ in Archiefwettermen), uit archieven, bibliotheken, de wetenschap, een museum, en enkele commerciële aanbieders van webarchiveringsdiensten. Omdat bovendien de insteek van de deelnemers kon variëren van conceptueel/cultuurhistorisch tot héél praktisch, had ik tijdens mijn inleiding al spraakverwarringen aangekondigd, waarna ik de voorzittershamer direct overdroeg aan René Voorburg van de KB. Ik moest immers kunnen bloggen …. ;-)

Websites archiveren is iets anders dan websites verzamelen (collectievorming)

In de loop van de middag kwamen we erachter dat er verschillende vormen van webarchiveren zijn, en dat die in aanpak nogal van elkaar verschillen. Daarom krijgen ze hier allebei een eigen benaming:

• websites archiveren door overheidsdiensten (zorgdragers) is het pure archiveren conform de Archiefwet om verantwoording af te kunnen leggen over het handelen van de overheid. Het gaat hier om organisaties die hun eigen website archiveren, en dat in principe (zouden moeten) doen elke keer als de site verandert. Je moet immers kunnen aantonen wat er op 19 april 2011 aan informatie voor de burger op de site stond.
• websites verzamelen (collectievorming) is meer een activiteit van erfgoedinstellingen zoals de Koninklijke Bibliotheek. Het doel is niet verantwoording afleggen maar om toekomstige onderzoekers te dienen met informatie over ons huidige tijdsgewricht. Het gaat hier om instellingen die (vele) websites van anderen harvesten en dat in principe één of twee keer per jaar doen.

Ik ga op allebei wat dieper in:

Websites archiveren: ‘Websites zijn archieven in de zin van de Archiefwet’

Voor wie er nog aan mocht twijfelen: er waren drie archiefinspecteurs (Esther Balkestein, Jacko de Groot en Ingmar Koch) in de zaal en een zelfstandig overheidsadviseur (Erika Hokke) en die waren het over één ding roerend eens: websites zijn archieven in de zin van de Archiefwet. En dus, zo benadrukte Maurice van den Dobbelsteen van het Nationaal Archief, hebben overheidsinstellingen (‘zorgdragers’) zelf de plicht om die te archiveren. Dat gaat het Nationaal Archief niet voor ze doen. Het NA ontfermt zich pas over websites nadat ze zijn overgedragen. Momenteel staat daar twintig jaar op, en Maurice gaf direct toe dat die overdrachtstermijn in de digitale 21ste eeuw niet meer kan. Daarom komt er nu een beweging op gang waarbij het Nationaal Archief, maar ook lokale archieven, zullen proberen invloed uit te oefenen op de productiefase van digitale documenten zoals websites, om ervoor te helpen zorgen dat ze duurzaam worden bewaard. Aan de verantwoordelijkheid van de zorgdrager doet dat echter niets af.

Maar, zo verwoordde Bente Steffenssen van de Gemeente Bergen op Zoom het dilemma van veel collega’s: ‘Ik heb een vage opdracht om webarchivering op te starten, maar ik kan nergens concrete handvatten vinden en heb dus de neiging om het voorlopig maar in de ijskast te zetten. Begrijpen jullie dat?’ Waarop Ingmar Koch (archiefinspecteur) en Maurice van den Dobbelsteen (NA) eenstemmig antwoordden: ‘Officieel mogen we dat niet begrijpen.’

Maar simpel is het niet. Jaap-Jan Bakker van het Gewest Gooi- en Vechtstreek organiseerde onlangs een marktconsultatie. Daaruit kwam als conclusie dat geen enkele commerciële aanbieder een oplossing heeft die past in de huidige manier van werken. Websites kunnen natuurlijk wel worden gearchiveerd, maar als losse objecten, niet als onderdeel van het proces dat voor verantwoording zo belangrijk is. ‘Maar’, benadrukt Ingmar Koch, ‘dan doe je tenminste iets, en alles is beter dan niets.’ In dat licht keek hij ook naar de methode die het UWV momenteel hanteert: na iedere wijziging wordt de webpagina in een Word-document gevat en gearchiveerd. Niet ideaal, maar in het kader van roeien-met-de-riemen-die-je-hebt tenminste een vastlegging.


Toch moet de conclusie zijn dat er bestuurlijk nog steeds weinig aandacht is voor webarchivering, en dat er ook veel te weinig middelen en menskracht voor wordt ingezet. Marcel Prive van GWCrossmedia (o.a. Archiefweb) gaf aan dat er veel kan, maar dat organisaties vaak schrikken van de kosten. Men is gewend geld uit te geven voor fysiek beheer, maar niet voor digitaal beheer. Grote organisaties als NA, KB en NCDD doen hun best om de urgentie aan te tonen, maar dat blijft lastig.
Wat kunnen zorgdragers zelf doen? Een praktisch handvat: ervoor zorgen dat de ontwerpers van hun websites de Webrichtlijnen van de overheid kennen en toepassen. Dat voorkomt veel technische problemen achteraf. Ook het goed archiveren van het bronmateriaal voor de website is een alternatief dat kan werken.

 

Websites verzamelen: problemen met auteursrecht en kwaliteitscontrole

Organisaties die websites verzamelen vanuit een cultuurhistorisch perspectief, hebben weer andere problemen, om te beginnen het auteursrecht. Een kopie maken en die weer opnieuw ter beschikking stellen (wat deze organisaties willen) mag volgens het auteursrecht niet zonder toestemming. Er is een uitzondering voor on-site inzage, maar alle drie de aanwezige verzamelaars (KB, Nederlands Documentatie Centrum Politieke Partijen/Archipol en het Gemeentearchief Rotterdam met zijn cultuurhistorische Rotterdamcollectie) willen uiteindelijk hun verzamelingen online tonen. Zo ver is het trouwens nog niet. KB, Archipol en GAR zijn momenteel nog besloten verzamelingen. De KB gaat later dit jaar voorzichtig van start met on-site openstelling. Om zich auteursrechtelijk in te dekken, hanteert de KB een opt-out regeling: beheerders van websites krijgen een melding dat de KB ze wil harvesten. Als men dat niet wil, kan men dat aangeven. Archipol heeft overeenkomsten met de politieke partijen die geharvest worden, maar zo nodig wil men er wel toe overgaan om een naam te verwijderen uit privacy-overwegingen.

Ten behoeve van de KB-harvester voor één keer zonder mouse-over: vlnr René Voorburg (KB, gespreksleider), Marcel Prive (GWCrossmedia), Peter de Bode (KB), Peter Tervooren en Marleen Pijpelink (Atos/Archipol), en vele anderen

Zouden de instellingen erbij gebaat zijn om met zijn allen wat minder krampachtig met het auteursrecht om te gaan en zich uit cultuurhistorisch belang dezelfde rechten toeëigenen als bijvoorbeeld Google en het InternetArchive? Henk Druiven (Archipol): ‘Er is nog nooit iemand om deze reden in de gevangenis beland …’ Wellicht iets om in NCDD-verband over na te denken.
De KB harvest momenteel 3.000 websites, ca. twee maal per jaar. Op termijn moeten dat er jaarlijks 10.000 worden. Het selectiecriterium van de KB is het belang voor de Nederlandse samenleving en geschiedenis. Dat is, zoals bij alle cultuurhistorische verzamelingen, een subjectieve keuze van de verantwoordelijke medewerkers (w.o. Peter de Bode, foto boven). De KB probeert geen websites te verzamelen die elders worden opgenomen (Rotterdam, Archipol). Andere landen, zoals Frankrijk en Zweden, doen hele domeinharvests. De KB acht dat organisatorisch en financieel voor Nederland niet haalbaar, ook al omdat het .nl-domein naar schatting 4 miljoen urls domeinnamen  heeft [met dank aan Bob Coret voor de correctie].


Het harvesten van duizenden websites van onbekende makelij levert technisch veel problemen op. Daarom worden alle harvests handmatig gecontroleerd. Als bijvoorbeeld de plaatjes niet zijn meegekomen van een kunstenaarswebsite, wordt de harvest afgekeurd. In internationaal verband werken de o.a. de KB en het NA aan manieren om dit werk (deels) te automatiseren.

Andere meer op cultuurhistorie gerichte instellingen die aanwezig waren oriënteren zich nog. Beeld en Geluid onderzoekt momenteel diverse scenario’s voor websites verzamelen, in eerste instantie de websites van de omroepen, maar ook audiovisueel materiaal in breder verband, en social media. Dat is heel dynamische content, die men diep zou willen verzamelen, en er zijn nog geen kant-en-klare oplossingen voor het harvesten en weer beschikbaar stellen. Ook auteursrechtelijke aspecten moeten nog bekeken worden.

Het Friese Tresoar werkt samen met de KB bij het selecteren van Friese websites. Het NIOD beheert een aantal websites en laat er enkele door de KB harvesten. Technisch bleek het niet mogelijk ze allemaal bij de KB onder te brengen.

 

Duurzaamheid nog een groot technisch probleem

De KB, Archipol, diverse zorgdragers, het GemeenteArchief Rotterdam en diverse commerciële aanbieders zijn nu in staat om de meeste websites binnen te halen.  De KB gebruikt voor het harvesten de Web Curator Tool, een open-source schil rond de Heritrix software. Voor de beschikbaarstelling gaat de KB de Wayback Machine van InternetArchive gebruiken. Dat gaat allemaal goed zolang het html-pagina’s betreft. De harvestingsoftware kan (nog) niet omgaan met plug-ins en Javascript, en bijvoorbeeld de mouse-overs die ik in deze blog gebruik.
De duurzaamheid is ook nog een onopgelost probleem voor alle harvesters. Het is onbekend hoe de websites eruit zullen zien in de browsers van de toekomst. En dan zijn er vragen rondom migreren of emuleren. De techneuten zijn er nog lang niet uit hoe dat georganiseerd moet worden. De KB en het NA nemen deel aan internationale projecten om dit nader te onderzoeken (Dioscuri, Keep), maar concrete handvatten zijn nog niet ontwikkeld. Daarvoor is nog veel meer research nodig. En meer overleg tussen de NCDD-techneuten onderling (daar wordt aan gewerkt).
Overigens is die duurzaamheid ook internationaal nog een probleem. Het InternetArchive, bijvoorbeeld, heeft een onzekere financieringsstructuur en ook de backupstrategie is niet ideaal (zie o.a. mijn verslag van de PrestoCentre-conferentie en Brewster Kahles bijdrage daar).

 

Hoe gaan we webarchiveren/webverzamelen verder organiseren?

Het is niet gemakkelijk om echte conclusies te trekken uit zo’n eerste verkenning van het landschap in Nederland. De bijeenkomst leverde vooral het nodige inzicht op in de huidige situatie: de verschillende vormen van webarchivering, de verantwoordelijkheid van de zorgdragers, het feit dat helaas niemand nog het Ei van Columbus heeft ontdekt en dat webarchivering vooralsnog een zeer experimentele activiteit is.
Er kwamen wel een aantal duidelijke wensen op tafel richting NCDD en de NCDD-partners:

• Maak en publiceer een overzicht van wat waar verzameld/gearchiveerd wordt en waar het beschikbaar is
• Werk aan de urgentie bij bestuurders en het Ministerie
• Breng meer kennis naar buiten; help kleine instellingen met adviezen en handvatten
• Kleinere instellingen accepteren hun verantwoordelijkheid, maar denken dat research & development vooral van de grote spelers moet komen en dat instellingen als de KB ook diensten zouden moeten kunnen bieden aan derden, al dan niet tegen betaling.

Wat die laatste twee betreft kwam ik even uit mijn rol als blogger om aan te tekenen dat ze een altijddurend streven zijn van de NCDD, maar dat het in de praktijk lastig blijkt om vraag en aanbod qua kennis goed te koppelen. De bezuinigingen slaan ook toe bij de NCDD-partners, en dat betekent dat er minder personeel beschikbaar is om de eigen organisatie draaiend te houden en research te doen. Voor het ontwikkelen van kennis/diensten voor derden is er momenteel domweg niet genoeg capaciteit … Wat allemaal niet wegneemt dat de NCDD er naar blijft streven om een landelijke infrastructuur voor duurzame toegankelijkheid te bouwen, en vooral aan de achterkant, in de back office, samen te werken om het allemaal wat minder duur te maken. Alleen vanwege de bezuinigingen in een trager tempo dan we vorig jaar hoopten.

 

Ten slotte

Met dank aan Ingmar Koch en Petra Links: Het is waar dat we nog lang niet alles hebben opgelost, maar als je niets doet ben je er zeker van dat je alles verliest. Ook met beperkte middelen kunnen we al heel wat verlies aan informatie voorkomen, dat hebben we vanmiddag gezien.

Zie ook het verslag van Ingmar Koch op zijn blog.

Screening the Future (3): verslag (slot)

(vervolg van blog1 en blog2) -- Er waren ook bijdragen die wat minder uit de verf kwamen. Seamus Ross, die jarenlang de motor was achter veel Europese projecten, ging in op het begrip vertrouwen: hoe weten we dat een archief goed voor de data zorgt? In zijn antwoord kwam Ross niet veel verder dan de antwoorden die we al een poosje kennen: controles (audits) met behulp van gereedschappen als TRAC en Drambora. Nu is er altijd veel kritiek op TRAC, omdat het duur en zeer omslachtig is, en die kritiek klonk ook hier weer. KB-collega Barbara Sierman, zelf betrokken bij de ontwikkeling van TRAC, vindt die kritiek een beetje overdreven. Natuurlijk is zo'n audit een flinke klus, maar als je je zaken goed (lees: professioneel, zakelijk) georganiseerd hebt, dan zou de gevraagde informatie gewoon beschikbaar moeten zijn.

Ross vond overigens dat authenticiteit en integriteit wel taken van een archief zijn, maar betrouwbaarheid niet (zie ook het verslag van 'The Real Thing' uit 2010 hier en hier; Chido Houbraken zal dat met hem eens zijn). Maar, werd er gevraagd, ben je als archief dan helemaal niet verantwoordelijk voor de betrouwbaarheid van wat je binnen krijgt? Ross: Door je ingest zoveel mogelijk te automatiseren kun je de risico's wel kleiner maken, maar het blijft een lastige, vooral in dit tijdperk van digitaal mixen en mashen.

Een andere bijdrage die teleurstelde was die van Atoine Aubert van Google. Een brave opsomming van wat Google doet, en dus wat we al weten. De zaal vroeg of Google ook iets aan duurzame toegankelijkheid gaat doen, bijvoorbeeld ten aanzien van YouTube waaraan per minuut maar liefst 35 uur aan videomateriaal wordt toegevoegd. Het antwoord: iets vaags over samenwerken met publieke organisaties, te vertalen als: nee dus. Die klus zullen we als publieke organisaties moeten (blijven) klaren.

 

Paul Miller: 'The pieces of the puzzle are falling into place’

De linked data c.q. het semantisch web (zie voor uitleg eerdere blog) mochten niet ontbreken. Paul Miller van Cloud of Data bracht linked data in verband met de enorme hoeveelheden data waar we mee te maken hebben (presentatie). Vaak worden die beschreven als een zondvloed, een 'deluge', maar, aldus Miller, 'It doesn't have to be that way'. 'The language of catastrophe is not helpful', ging hij verder, het is beter om te denken in termen van kansen. Dat klinkt mooi, maar is het ook werkbaar? Volgens Miller wel, want er komen steeds meer tools beschikbaar die de schaal van het internet aan kunnen, en ook steeds meer opslag en rekenkracht die daarmee om kan gaan.

Het concept van het semantisch web, dat al dateert uit 2001, leek lange tijd misschien een nogal duur experiment, maar langzamerhand beginnen alle stukken van de puzzel in elkaar te vallen en kunnen we met RDF (zie eerdere blog) op grote schaal de verbindingen leggen die het web eindelijk de vorm en de diepte geven zoals de uitvinder van internet, Tim Berners-Lee, het eigenlijk heeft bedoeld. Zo ver zijn we nog niet, want in de Open Data cloud (zie eerdere blog) zijn de meeste links nog slechts eenrichtingsverkeer, maar het klinkt veelbelovend. Miller had een kanttekening bij de manier waarop veel erfgoedinstellingen de zaak tot nu toe hebben aangepakt: omdat er in de 90er jaren relatief veel geld was, zijn ze zelf dure oplossingen gaan verzinnen. Miller gelooft niet dat we die kant op moeten, want commerciële aanbieders zullen altijd veel meer geld hebben. En hij speculeerde dat we misschien de archieffunctie en de toegankelijkheidsfunctie moeten gaan scheiden om het allemaal werkbaar te houden. Dat is zeker iets om over na te denken.

Dinsdagochtend was er een masterclass over digitaliseringsworkflows die ik helaas moest missen, maar die voor deze blog ook minder interessant is. Hoewel: het viel Barbara Sierman van de KB (die de sessie wel volgde) weer eens op dat mensen die digitaliseringswerk doen vaak totaal niet nadenken bij de langetermijneffecten van de vele beslissingen die ze nemen. Daar valt nog veel te verbeteren, in de relatie tussen archieven en producenten van digitaal materiaal, het zij maar weer eens benadrukt!

 

Matthew Addis en Richard Wright:

'Cost, risk, loss and other fun things'

Toen iedereen al bijna moegestreden was, kwam er nog een inhoudelijke uitsmijter die er niet om loog. Richard Wright van de BBC maakte een eind aan de spraakverwarring digitalisering/digitale duurzaamheid (zie begin vorige blog) en introduceerde het PrestoCentre waar het allemaal om begonnen was. Hoewel Wright aangaf dat naar schatting 80% van al het werk in het audiovisueel domein momenteel nog zit in het omzetten van analoog materiaal naar digitaal (digitaliseren), is PrestoCentre al helemaal gericht op research & development in duurzaam beheer van audiovisueel materiaal, het echte digital preservation, maar uiteraard, en daar is PrestoCentre ook op gebaseerd, aangedreven door de noodzaak om toegang te bieden. Geen digitale duurzaamheid, dus, maar duurzame toegankelijkheid.

Wright: 'We are used to coping with losses in the audiovisual domain. We just have to learn to deal with new kinds of loss in the digital age.' De categorieën van conserveringsproblemen zijn wel hetzelfde gebleven, alleen is de invulling nu anders:

• Handling, packaging and storing: in het digitale tijdperk zijn dat de fixity checks, de wrapper formats, de meegeleverde metadata, en de digitale opslag
• Environmental conditions: in het digitale tijdperk zijn dat ook alle procedures, sociale en politieke factoren die een betrouwbaar digitaal archief bepalen (zie TRAC, Drambora);
• Protecting the masters: ook in het digitale tijdperk heeft AV materiaal te maken met toegangskopieën om de masters te beschermen
• Condition monitoring: in het digitale tijdperk is dat niet alleen controle van de fysieke opslagmedia, maar ook van de bits en de bytes, de inhoud.

Vervolgens aan Matthew Addis (IT Innovation) de eer om een soort inhoudsopgave te geven van wat PrestoCentre nu allemaal al aan informatie te bieden heeft. Op zeer relaxte toon jaagde hij er voor mijn gevoel honderden dia's door - op slideshare bleken het er 'maar' 99 te zijn. De rapporten met de details kun je vinden in de library van PrestoCentre, die op onderwerp en daarna op alfabet (is dat handig?) is georganiseerd. Voor deze blog is vooral preservation planning van belang, en voor de presentatie dit rapport van Addis en Wright. Alles speelt zich af in een driehoek  kosten - risico's - kansen, die steeds weer met elkaar in balans moeten worden gebracht. Hier een paar belangrijke punten:

Over de kosten

Het is natuurlijk voor onze boekhouders en financiers gekmakend dat we nog steeds niet weten wat het allemaal gaat kosten. Ook PrestoCentre analyseerde de bekende kostenmodellen (zie ook de blog over de NCDD-bijeenkomst vorig jaar) en kwam er niet helemaal uit. We weten allemaal dat de kosten voor opslag sterk dalen, maar er zijn indicaties dat de Total Cost of Ownership (TCO – niet alleen opslag maar ook bijv. je kosten voor verwerving (ingest)) veel minder daalt dan de kosten voor opslag, en die TCO is uiteindelijk veel belangrijker. Om de kosten op termijn te kunnen beheersen, werd o.a. door PrestoCentre projectmanager Jeff Ubois verwezen naar het endowment-model: je betaalt aan het begin van de rit een vast bedrag dat in een fonds wordt gestort, waarna het onderhoud tot in lengte van jaren uit de renteopbrengsten kan worden betaald. Dat houdt de financiële verplichtingen behapbaar. Maar hoeveel zou je dan moeten storten voor eeuwigdurend databeheer? Er zijn inmiddels drie heel voorlopige schattingen, per terabyte per jaar: InternetArchive: $2.000; Princeton: $6.000; PrestoCentre: $4.000. Dit zijn natuurlijk bloedlinke cijfers waar je vele vraagtekens bij kunt zetten en die we voorlopig ook maar niet aan onze financiers moeten laten zien, maar het is een begin van theorievorming. (Overigens vindt David Rosenthal deze benadering niet realistisch, maar dat terzijde).

Over de risico's

Addis: 'No one size fits all.' Maar je kunt alleen al in je IT-beheer 37 risico's identificeren (en laten we Rosenthal niet vergeten, die op dag 1eind van blogpost nog wat ellende toevoegde). Je zou er ontmoedigd van raken, maar het is natuurlijk waar dat je er pas iets aan kunt doen als je de risico´s hebt onderkend. Dit stuk van het PrestoPrime werk zag er professioneel en gedegen uit - wie er in de praktijk mee te maken krijgt moet deze PrestoPrime tools zeker eens goed bekijken, niet alleen de problemen natuurlijk, maar ook de oplossingen; de afwegingen tussen risico's en kosten moet ieder voor zich maken. Het is natuurlijk ingewikkelde materie - en wie dat allemaal echt te moeilijk vindt, kan eens beginnen bij de vuistregels van Rosenthal op dag 1, eind van de post; daar staan al veel belangrijks in.

Aan het eind van de conferentie probeerde dagvoorzitter Bernard Smith erachter te komen of alle Grote Vragen die aan het begin van de conferentie waren gesteld ook waren beantwoord: What are we preserving? How can we fund our future? Where do AV archives meet IT? How can we valorise our archives? How will we keep our archives in good shape? Dat zijn me dunkt nogal vragen en het is daarom geen wonder dat de zaal, vermoeid en met hoofden stampvol nieuwe informatie, veel antwoorden schuldig bleef. Wat mij betreft was de belangrijkste vraag die we nader moeten oppakken is:What are we preserving? Diverse sprekers constateerden dat de traditionele instellingen en mechanismes niet zijn ingericht op wat er vanaf internet op ons af komt. Het is niet alleen veel, maar het loopt ook allemaal dwars door elkaar en veel informatie valt tussen wal en schip omdat er geen organisaties zijn die zich er verantwoordelijk voor voelen - zoals het eerder genoemde voorbeeld van YouTube. Maar er is nog zo veel meer waar we het over moeten hebben. Ook in Nederland.

De presentaties komen stuk voor stuk beschikbaar via PrestoCentre; meer foto's op flicker. Er is ook een videoregistratie voor wie alles in detail (nog eens) wil horen.

Rest bij mij de vraag hoe al die grote Europese RenD projecten zich tot elkaar verhouden. We hebben nu de Open Planets Foundation, die het werk van Planets voortzet (vooral bibliotheken en archieven), PrestoCentre, het competence netwerk dat het werk van de Prestoprojecten wil consolideren en uitbouwen (vooral AV), en we hebben sinds kort APARSEN, het network of excellence (‘kenniscentrum’ is blijkbaar een verouderde term) rond de Alliance for Permanent Access (met name bibliotheken en onderzoeksinstellingen). Natuurlijk zijn al die initiatieven in verschillende domeinen ontstaan, maar juist waar het om techniek gaat, hebben alle domeinen steeds meer te maken met dezelfde uitdagingen. AV-materiaal komt overal voor, ook bij archieven, bibliotheken en onderzoekscentra; en er zal geen domein zijn waar geen .jpegs voorkomen. Ook de kostenmodellen overlappen, en ga zo maar door. Daar moeten we het in Tallinn, tijdens de Aligning National Approaches to Digital Preservation conferentie, op 23-25 mei a.s., maar eens goed over hebben.

Screening the Future (2): het verslag

De bijeenkomst Screening the Future 2011 was uitverkocht (zelfs overboekt, aldus Jan Müller van Beeld en Geluid in zijn openingswoord), en het ‘competence centre’ voor audiovisueel (AV) materiaal PrestoCentre is gelanceerd (zie foto in blog gisteren). Twee bomvolle dagen met goede sprekers, veel informatie en goede netwerkkansen. Voor ik verslag doe, een paar algemene indrukken.

Het audiovisueel domein

Het audiovisueel domein heeft nooit de luxe gekend van informatiedragers die jaren- of zelfs eeuwenlang meegaan en zonder machines bekeken kunnen worden. Migraties van het ene medium naar het andere zijn daarom niks nieuws, van nitraat naar acetaat, enzovoorts. Misschien dat daarom de spraakverwarring digitalisering/digitale duurzaamheid juist hier nog steeds hoogtij viert. Dat was te merken. Zelfs Commissievertegenwoordiger Javier Hernandez Ros trapte in de valkuil met zijn dia’s – en dat zal zichtbaar worden als die worden gepubliceerd op de site van PrestoCentre (link volgt). Daarom citeer ik meteen maar even Richard Wright van de BBC die het op dag 2 nog eens expliciet moest uitleggen: digitalisering is een eenmalige actie (omzetten van analoog naar digitaal), ‘digital preservation’ (duurzame toegankelijkheid) is een continu proces, een conserveringszorg ‘that never ends’.

Ook opvallend: dit is vooral een domein van mannen in pakken (het spijkerjack in de foto rechtsboven is van Mette van Essen van het Nationaal Archief). Dit is het terrein van grote instellingen als de BBC, de RAI (Italië), ORF (Oostenrijk) en INA (Frankrijk). Er heerst een zakelijke sfeer en dat merk je ook aan de aanpak van bepaalde onderwerpen, zoals risico-analyse. Dat wordt stevig en professioneel aangepakt (waarover later meer).

De VIPs: van Kranendonk en Hernandez Ros

De enige (!) vrouwelijke spreker tijdens de bijeenkomst was Judith van Kranendonk, Secretaris-Generaal Cultuur en Media bij OCW, die de VIP-openingstoespraak mocht doen – met zoals verwacht veel aandacht voor Beelden voor de Toekomst en Europeana. Ik was blij dat ze de nodige aandacht besteedde aan de enorme uitdaging om al dat moois (BenG alleen heeft al 15 petabyte) ook op lange termijn in de lucht te houden. Ze zei dat kleine instellingen soms klagen dat ze niet de middelen hebben om die klus te klaren, maar dat ook grote instellingen daarmee worstelen. Heel terecht, want daar wordt nog al eens te gemakkelijk over gedaan. EC-vertegenwoordiger Javier Hernandez Ros benadrukte ook de centrale rol van Europeana, zoals die recentelijk werd onderstreept door het rapport ‘The New Reaissance’ van het Comité des Sages, dat spreekt over een morele verplichting om erfgoed te bewaren, en dat de kosten van het digitaliseren van al het Europese erfgoed schat op een slordige 100 miljard euri. Verder toonde Hernandez Ros de overvolle slides met projecten, Framework Programmes (FPs) en miljoenen die EC-vertegenwoordigers altijd laten zien. Dan duizelt het me altijd. Want het lijkt dan allemaal heel veel, maar in de praktijk is de impact toch nog best gering. Zeker als je denkt aan die 100 miljard van het Comité des Sages.

Peter Kaufman:

‘AV takes the lead in recording our history and our culture’

Voor wie er nog aan mocht twijfelen had Peter Kaufman van Intelligent Television – Video for Culture and Education een duidelijke boodschap: de geschiedenis van deze tijd wordt vooral vastgelegd in audiovisueel materiaal. Met mooie visuele voorbeelden liet hij zien hoe onze werkelijkheid audiovisueel gestalte krijgt, gemixt en gemasht wordt. We hebben geen tijd te verliezen als we de dag van vandaag willen vastleggen en behouden voor de toekomst. Maar laat nu juist het audiovisuele domein, vooral op internet, de zwakke plek zijn van traditionele erfgoedinstellingen … ! Ook in NCDD-verband hebben we daar nog veel te weinig voortgang geboekt – we maken 18 april pas een begin met een rondetafelbijeenkomst webarchivering. Kaufman had vijf aanbevelingen voor PrestoCentre: 1) betrek het grote publiek erbij; 2) gebruik alles wat de technologie te bieden heeft; 3) zorg voor heldere afspraken ten aanzien van rechten (probeer dat zoveel mogelijk te automatiseren); 4) werk nauw samen met de producenten [dat blijft zo ontzettend belangrijk! – IA]; en 5) werk samen met de private sector [misschien is dat in Amerika iets anders dan in Europa – IA]. En ten slotte had Kaufman nog een bonusaanbeveling: ‘Work with Americans’, want die zijn praktisch. Dat laatste kan ik alleen maar beamen, het enthousiasme en pragmatisme van de Amerikanen werkte ook tijdens deze bijeenkomst weer aanstekelijk. Neem nu:

Brewster Kahle: ‘It’s Doable’

Brewster Kahle (spreek uit: keel, op z’n Nederlands) is de oprichter van het beroemde Internet Archive in San Francisco, waar niet alleen 150 miljard webpagina’s zijn verzameld en toegankelijk gemaakt met de Way Back Machine, maar ook bijna 500.000 films, 90.000 live concerten, 800.000 audio-opnames en 2,7 miljoen tekstdocumenten. Per dag komen daar 2 miljoen gebruikers op af. Dui-ze-ling-wek-ken-de aantallen. Maar juist aan die duizelingwekkenheid, die ons zo vaak overvalt als we het over duurzame archivering van internetbronnen hebben, heeft Brewster lak. Het is mooi dat het Comité des Sages heeft becijferd dat het digitaliseren van Europa 100 miljard euri zou kosten, maar, zegt Brewster, daar hebben we niks aan, dat bedrag komt er nooit. Het is veel beter om te kijken naar wat je kunt doen met de middelen die je hebt. Het Internet Archive draait op 10 à 15 miljoen dollar per jaar, op 50 vaste medewerkers en 150 mensen elders die digitaliseringswerk doen. Dat kan alleen maar als je heel creatief met je middelen omgaat. En dat kunnen ze bij het Internet Archive. Uiteraard heeft men het ook daar moeilijk met uitgevers die rechten doen gelden op hun materiaal. En dus experimenteert het Internet Archive met ‘digital lending’, zoals een bibliotheek dat zou doen. (Kahle: ‘That system has worked pretty well for a long time.’) Ook laat het Internet Archive zich betalen door bibliotheken die materiaal online willen zetten (Kahle: ‘Getting paid to give things away is a great business model’). Ook pleit Kahle voor zo veel mogelijk automatiseren én voor grootschalige samenwerking om de kosten in de hand te houden. (Kahle: ‘We need large-scale worldwide swap agreements’, hoewel: ‘Egowise it is hard to take our own stuff and bring copies elsewhere’).

David Rosenthal: ‘How Few Copies Do We Need?’

Zo’n zelfde soort enthousiast pragmatisme leidde bij de Universiteit van Stanford tot de oprichting van LOCKSS: Lots of Copies Keep Stuff Safe. Alleen de naam al. Op basis van samenwerkingsovereenkomsten brengen bibliotheken kopieën van hun materiaal onder bij elkaar om het zo te beschermen tegen de bekende digitale risico’s. Momenteel werkt LOCKSS met ca. zeven kopieën van ieder object. David Rosenthal van LOCKSS, die in deze blog al vaak genoemd is in het kader van het debat migreren-of-niet-migreren, deed voor het programma onderzoek naar risicofactoren. Extra kopieën kosten extra opslagruimte en dus extra geld. Met hoe weinig kopieën zou je toe kunnen zonder het materiaal in gevaar te brengen?

Het hele verhaal is te vinden op Davids blog, dus geef ik hier alleen de belangrijkste conclusies. De eerste is dat 100% garanties niet bestaan. Rosenthal: ‘The media is imperfect and will remain imperfect.’ Er zal hoe dan ook materiaal verloren gaan, wat je ook doet. Door meer geld in beheer c.q. kopieën te steken kun je de risico’s wel verkleinen. Na talloze berekeningen (zie zijn blog), kon David nog steeds geen exacte verhoudingen geven tussen risico’s en kosten. Maar wel kwam hij tot een aantal vuistregels, waarbij de eerste het meeste effect zal hebben en de laatste het minste:

1. Hoe meer kopieën, hoe veiliger
2. Hoe minder verband tussen de kopieën, hoe veiliger
3. Hoe betrouwbaarder de kopieën, hoe veiliger
4. Hoe sneller fouten worden opgespoord en verholpen, hoe veiliger
5. Hoe minder compressie, hoe kleiner eventuele schade.

Rosenthal had het ook over de risico’s die data lopen, en gaf een mooie vergelijking tussen wat de meeste mensen denken, en wat de ervaring is van grote datacentra (Davids blog). Wat men denkt: media onbruikbaar; hardware onbruikbaar; software onbruikbaar; netwerkproblemen; veroudering van soft- en hardware; natuurrampen. Wat de ervaring is van grote datacentra: fouten door medewerkers; aanvallen van buiten; aanvallen van binnen uit; gebrek aan middelen (geld, mensen); organisatorische problemen (organisatie houdt op te bestaan, etc.).

Me dunkt genoeg voer om even over na te denken. Wordt vervolgd in de volgende blog.

Video's conferentie Alliance for Permanent Access

Eind november blogde ik hier, hier en hier over de conferentie van de Europese Alliance for Permanent Access to the Records of Science. Nu zijn de video's gepubliceerd en ook wat foto's van ondergetekende. Het verhaal van John Wood, de projectleider van Riding the waves is zeker te moeite van het beluisteren waard. En wie echt wil weten waarover het APARSEN project gaat, kan de dia's van David Giaretta, die elkaar altijd in een moordend tempo opvolgen, in de videoversie gelukkig even stilzetten.

Het NCDD-netwerk

ACDD, CCDD, NCDD, DEN, … de afkortingen vliegen ons om de oren. Om inzichtelijk te maken hoe het allemaal samenhangt heb ik deze figuren gemaakt:

Meer uitleg op de NCDD-website.
Ik hoop dat dit helpt; commentaar welkom ;-)

iPRES2010(6): kan duurzaam groener?

Neil Grindley van JISC had het initiatief genomen tot een paneldiscussie over het thema milieuvriendelijkheid. Hij opende het debat met de dia rechts, die naar zijn eigen zeggen wel een wat al te zwart-witte voorstelling van zaken geeft. Niettemin was zijn vraag een serieuze: met al die duurzaamheidsstrategieën (back-ups, maar ook nog meer bewaren), gebruiken we enorme hoeveelheden energie. Is dat verantwoord? Kan het met minder? Het panel dat Grindley had uitgenodigd bestond uit (vlnr) William Kilbride (DPC), Kris Negulescu (Internet Archive), Grindley zelf, en David Rosenthal (LOCKSS). Die waren het er in elk geval over eens dat elektriciteit na personeel vaak de tweede kostenpost is van digitale archivering en dat daarom alleen al gestreefd moet worden naar vermindering van het elektriciteitsgebruik. Wat Kilbride betreft moet dat vooral aan het begin van het proces gebeuren: door gedegen selectie van wat we bewaren. Het Internet Archive heeft geëxperimenteerd met het hergebruiken van de warmte die vrijkomt uit servers, maar dat experiment leverde hen niet genoeg op. Het inzetten van energiezuiniger nodes leidde tot meer storingen, en dat helpt ook niet echt. Rosenthal, die van huis uit ingenieur is, verwees naar een project dat FAWN heet. Omdat ik geen techneut ben citeer ik maar even letterlijk: ‘FAWN couples low-power embedded CPUs to small amounts of local flash storage, and balances computation and I/O capabilities to enable efficient, massively parallel access to data … FAWN clusters can handle roughly 350 key-value queries per Joule of energy – two orders of magnitude more than a disk-based system.’ ‘… small-object random-access workloads are … ill-served by conventional clusters … 2 GB DIMMs consume as much energy as a 1TB disk. The power draw of these clusters is … up to 50% of the three-year total cost of owning a computer.’(David Andersen et al., ‘FAWN: a fast array of wimpy nodes’, SOSP, October 2009). (Zie ook Rosenthals eigen blog over dit onderwerp).
Kilbride gaf aan dat we ook niet moeten vergeten dat veel wetenschappelijk computergebruik voordelen oplevert voor het milieu; bijvoorbeeld in bijdragen aan klimaatonderzoek. Wat allemaal niet wegneemt dat we uit kostenoverwegingen én vanuit een algemeen verantwoordelijkheidsgevoel kritisch naar het elektriciteitsgebruik moeten blijven kijken – en dat doen we allemaal vanaf onze laptops nadat we in congreszalen die daarop niet zijn ingericht als junkies zijn afgevlogen op de schaars beschikbare verlengsnoeren ;-). In Nederland werkt o.a. het superdatacentrum van de wetenschap SARA aan energiezuinige oplossingen.
(Inmiddels ben ik weer in het land. Het semi-live bloggen was niet bij te houden, zo schreef ik jullie al eerder. Dus zal ik de komende dagen nog wat interessante zaken uit mijn aantekeningen opvissen en die jullie opdienen. Wellicht melden de andere deelnemers uit Nederland zich ook nog op deze blog. Ze zijn van harte welkom!

iPRES2010(5): samenwerken

Vanochtend kwam ik bij het ontbijt (Donau-muziek, op het buffet zowel champagne als Sachertorte) een Britse collega tegen (Neil Grindley van JISC, de Engelse SURF). Ik vroeg hoe het met hem ging. Nou, het gaat nog net, zei hij. En zo voelen we ons allemaal een beetje. De iPRES zelf duurt maar 2,5 dagen, maar daar zit een netwerkprogramma bij (2 formele recepties, 1 informele wine-tasting), er gaat een dag met tutorials aan vooraf, en omdat iedereen dan ‘toch’ bij elkaar is, organiseert Janenalleman na de iPRES de nodige workshops en werkgroepbijeenkomsten … waaronder, mea culpa, ook ik ;-). ‘Greater than the sums of our parts’ heette de workshop die de vier bestaande nationale coalities NCDD, DPC (UK), nestor (Du) en NDIIPP (VS) hadden bedacht toen we vorig jaar tijdens de iPRES in San Francisco voor de eerste keer samen om de tafel zaten. Blijkbaar een thema dat aansloeg, want de workshop was volgeboekt en ik verdenk zelfs enkele zwartrijders. Het werd een prima bijeenkomst, al zeg ik het zelf. De coalities stelden zich voor (NCDD, andere presentaties volgen op de website van nestor, en lieten zien dat ze toch allemaal een beetje anders in elkaar zitten, hoewel ze hetzelfde doel nastreven. Ook was er gelegenheid voor andere organisaties om zich te presenteren: de Open Planets Foundation, de Digitale Bibliotheek van Finland, het Zweedse expert centrum digitale duurzaamheid, Presto-Prime, de Canadezen, DANS (‘gedreven door data’ én ‘gedreven door samenwerking’ zo meldde Henk Harmsen enthousiast (foto links)), en ook de Italianen bij monde van Maurizio Lunghi (foto boven, voorgrond rechts), die nog helemaal niets nationaals hebben.
Daarna kwam de discussie. Bram van der Werf, de onlangs benoemde Directeur van de Open Planets Foundation (foto rechtsonder), gooide meteen de knuppel in het internationale hoenderhok: de Nationale Bibliotheek van Australië heeft aangekondigd eind dit jaar te stoppen met Padi, het kennisnetwerk dat vele duurzaamheidsprofessionals de afgelopen jaren heeft gediend met discussies en informatie. ‘Doodzonde’, om Padi te stoppen, vond iedereen, maar de Australiërs geven aan dat ze de benodigde formatie niet meer kunnen ophoesten. Ze moeten te veel werk zelf doen en kunnen te weinig rekenen op anderen. Dat is een bekend probleem, ook binnen de NCDD. Iedereen wil kennis hebben en vele collega’s willen het ook graag delen, maar ja, we hebben zoveel andere dingen te doen … en dan schiet bijvoorbeeld het op peil houden van websites er snel bij in.
Maar Nu (was een veel gehoorde frase tijdens deze iPRES), hebben we de Open Planets Foundation! Een structurele organisatie die open en internationaal is, DE ideale organisatie om alles op te pakken wat anderen laten liggen -----
Nou nee, zegt Bram vd Werf bedachtzaam (foto rechts), en terecht. De OPF is opgericht om de tools die door Planets zijn ontwikkeld te onderhouden, zodat ze niet in het niets verdwijnen, zodat de producten van Planets doorontwikkeld en onderhouden worden. De OPF wil een open organisatie zijn die ook andere tools ‘adopteert’ die kansrijk zijn. Maar de OPF is geen afvalbak voor projecten die anderen niet meer kunnen voortzetten.
Wie gaat het dan verzorgen, iets als Padi, een belangrijk internationaal knooppunt van kennis, zodat we niet links en rechts hetzelfde wiel moeten uitvinden? Van het  panel van vier coalities (foto links) krabt William Kilbride (DPC) eens achter zijn oor, Natascha Schumann (nestor) luistert, IA zegt dat ze met de Australiërs wil gaan praten, terwijl Martha Anderson (NDIIPP, rechts) als voorzitster het proces bewaakt. Het is duidelijk. We lossen niet alles op in een workshop. Maar dit was een mooi begin, en er is zelfs een vervolg in de maak, volgend jaar, in Tallinn, Estland, van 23-25 mei, een conferentie over afstemming tussen nationale initiatieven.
(Morgen nog een dagje IIPC – m.a.w. webarchivering; de technische sessies heb ik vanmiddag overgeslagen ten faveure van even een frisse neus halen op de Donau. Helaas bleef de boot 2 uur lang hangen in de sluizen in de Donau bij Wenen, waar een defect aan was. Frisse neus werd vooral dieseldampen …

Kosten (2): koffiedikkijken of serieuze planning?

Soms schud ik na een bijeenkomst nog in de trein een blogpost uit mijn mouw. Dan sta ik bij wijze van spreken te trappelen om het verhaal te doen. Vandaag is een ander verhaal. Vandaag kost het me moeite om uit een berg aantekeningen en een vol hoofd de lijnen te halen waar ik jullie een plezier mee kan doen. Ik kies dus maar voor de zoetzure aanpak.
Het ideaalplaatje ziet er zo uit: een organisatie wil weten wat de kosten van duurzame opslag de komende jaren gaan worden. Ze halen een modelletje van internet, typen daar een aantal variabelen in, en voilà, daar ligt de begroting. Als de begroting niet bevalt (te duur) verander je een aantal variabelen in je beleid, net zo lang tot er een passend kostenplaatje ligt.
Zoet: na gisteren weten we wat er in de wereld te koop is aan modellen en benaderingen; zuur: geen enkel model werkt (nog) zoals we dat zouden willen.
Zoet: op diverse plekken bouwen verstandige collega’s aan modellen (zie vorige blog) en we hebben ze gisteren voor het eerst allemaal om één tafel gehad (bijna dan, er was 1 zieke); zuur: het zijn allemaal verschillende benaderingen die niet op elkaar aansluiten en op ieder moment weer afgebroken kunnen worden als de subsidie wordt stopgezet. Voorzichtige pogingen om te streven naar een Europese aanpak, waarbij iedereen een deel van het werk doet en je samen tot één model komt, leken gisteren nog niet vruchtbaar.
Het is dan ook ingewikkelde materie. De meeste modellen gaan uit van ‘activity-based costing’ (ABC): je benoemt welke activiteiten allemaal nodig zijn om ‘iets’ duurzaam toegankelijk te houden en je hangt er de benodigde menskracht/hardware/software aan. En als je nog een stap professioneler wil zijn, dan gebruik je de Balanced Score Card (BSC). Daarop zet je aan de ene kant je ambities als organisatie (wat wil je bereiken, in meetbare performance indicatoren) en aan de andere kant de kosten die je maakt voor diverse activiteiten. Je hoogste prioriteit mag het meeste kosten. Aan wat voor de missie van je organisatie minder of niet belangrijk is, besteed je geen geld. Die laatste stap heeft alleen een project gezet bij ons eigen data-archief DANS (Data Archiving and Networked Services), onder leiding van de Griekse econome Anna Palaiologk. (De resultaten daarvan zijn om auteursrechtelijke redenen nog onder embargo; publicatie gaat volgen). Toen Anna bij de KB op bezoek ging om te kijken of het model van DANS misschien ook toegepast kon worden op de KB, bleek dat er tussen die twee instellingen zal zulke enorme verschillen waren tussen de manier van werken, de manier van organiseren, de manier van kosten toerekenen, dat er geen beginnen aan was.
En dat is in een notendop ook het verhaal van gisteren: een algemeen model is ontzettend lastig te ontwikkelen – want iedereen is anders. e-Journals zijn heel andere dingen dan archiefstukken of onderzoeksgegevens (die per discipline trouwens ook weer behoorlijk blijken te verschillen) en ze vragen om andere inspanningen en een ander beheersregime. Audiovisuele bestanden zijn weer heel anders (Beeld en Geluid), en websites zijn helemaal een duveltjeuiteendigitaaldoosje. Omdat we bovendien nog weinig echte ervaringen hebben met digitaal materiaal waarop we onze schattingen kunnen baseren, en bovendien de technologie zich razendsnel ontwikkelt, is het lastig om voorspellingen te doen, zeker voor de lange termijn. Nog niemand kan voorspellen wat het bijvoorbeeld de KB gaat kosten als ze hun 16 miljoen PDF’s moeten migreren naar een ander bestandsformaat.
De vraag is wel of dat ooit nodig zal zijn. David Rosenthal van LOCKSS heeft daarover een uitgesproken mening, reden om ook hem uit te nodigen voor de bijeenkomst. Veel instellingen migreren de diverse bestandsformaten die ze aangeboden krijgen naar een beperkt aantal bestandsformaten bij binnenkomst (Portico, Nationaal Archief Denemarken). Dat maakt het beheer gemakkelijker, en het idee is ook dat je door toekomstbestendige formaten te kiezen later veel minder vaak zult hoeven migreren. Wat op termijn kosten en moeite bespaart. Maar al die extra inspanningen bij binnenkomst (‘ingest’) maken van de ingest verreweg de duurste fase van het hele duurzaamheidstraject, zo lijkt onderzoek uit de wijzen (LOCKSS, Keeping Research Data Safe). Momenteel wordt vrij algemeen de vuistregel geaccepteerd dat de ingest 40% tot 50% van de totale kosten veroorzaakt (migreren, checken, valideren, soms metadata toevoegen). Daarna vlakken de kosten snel af. Toegang kost ca. 30% van het totaal; opslag en duurzaam beheer is dus maar zo’n 19%.
David Rosenthal stelt nu dat het verhaal van Jeff Rothenberg (de duurzaamheidspionier van het iconische Ensuring the Longevity of Digital Documents uit 1995) niet meer opgaat. Rothenberg maakte zich vooral druk over het in onbruik raken van bestandsformaten en propageerde de noodzaak van emuleren en migreren. Rosenthal (van huis uit techneut) is van mening dat de bestandsformaten sinds 1995 behoorlijk stabiel zijn. Er komen er weliswaar bij, maar dat leidt niet (meer) tot het in onbruik raken van bestaande formaten. Dus zegt hij: stoppen met migreren, en zeker stoppen met migreren bij binnenkomst. Want je kunt toch niet voorzien wat de klant uiteindelijk nodig zal hebben. Het is beter om gewoon de bitstreams te bewaren en een migratietool te zetten tussen het archief en de uiteindelijke gebruiker, dus aan de achterkant van het proces. Dan lever je maatwerk (origineel of migratie) op het tijdstip en het platform waar de klant om vraagt. (En bespaar je je ook nog eens de moeite om die 90% te bewerken die nooit opgevraagd zal worden …). Onze Deense collega’s hoorden de theorie van Rosenthal met veel belangstelling aan, maar, zo zei Anders-Bo Nielsen van het Deense Nationaal Archief, voorlopig nemen we toch het zekere voor het onzekere en blijven we bij binnenkomst migreren. Want stel nou dat Rosenthal geen gelijk heeft? De collega’s van Beeld en Geluid vroegen het nog eens na bij David Rosenthal, want audiovisuele bestanden vragen waanzinnig veel geheugen en een migratie van 12 Petabyte aan audiovisuele data (=12x1024 terabyte! = de verwachting van Beeld en Geluid voor 2014) – daar zou je zomaar een nachtmerrie over kunnen krijgen. Ook zij zijn niet zomaar bereid een nationale collectie AV materiaal in de waagschaal te stellen voor een nog onbewezen theorie. En misschien is Rosenthal’s theorie ook alleen bruikbaar in zijn eigen domein, de e-journals, waar PDF-A ‘regeert’. [NB: in een mail aan mij maakte David Rosenthal bezwaar tegen deze laatste zinsnede; zie zijn reactie.]
Voorlopig zijn we er nog niet uit, dat is duidelijk. Maar het was weer een stap. Iedereen kent elkaar nu en kan gemakkelijker ervaringen en kennis uitwisselen, dat is alvast winst. Ik ga ook nog een formeel verslag schrijven van de bijeenkomst. En volgende week zetten we de gesprekken al weer voort, op de iPRES in Wenen, waar ook een sessie is gepland over kostenmodellen. Eens kijken of we daar een richting kunnen vinden om de lijnen weer aan elkaar te knopen. Tot volgende week.

Een najaar vol duurzaamheid

1 September leek me een mooie datum om definitief afscheid te nemen van de komkommertijd en deze blog nieuw leven in te blazen. Want we hebben niet stil gezeten en in september gaat er weer van alles gebeuren:

2 september: Bocholt, Deutsch-Niederlaendisches Archivsymposium, waar ik op speciaal verzoek een lezing houd over de toekomst van het boek - fysiek en digitaal.

6 september: Den Haag, 'Kennis koppelen', brainstorm met partners uit het NCDD-circuit over hoe we informatie en kennis over digitale duurzaamheid beter kunnen ordenen en voor de sectoren toegankelijker kunnen maken.

16 september: Den Haag, De NCDD organiseert samen met DEN en de KB een internationale expert meeting over de kosten van digitale duurzaamheid, 'Price tags of digital preservation policy choices'. Het is een besloten bijeenkomst, omdat we er echt een werkbijeenkomst van willen maken, maar uiteraard zal ik uitvoerig berichten over de resultaten.

19-24 september: de jaarlijkse iPRES, dit keer in Wenen. Ik zal er weer uitgebreid over bloggen.

23 september: 'Greater than the sum of our parts?', workshop tijdens de iPRES van de vier bekende nationale duurzaamheidscoalities (DPC, NCDD, NDIIPP en nestor) over diverse manieren van samenwerken op nationaal niveau.

30 september: Vervolgoverleg bij DEN/Virtueel Platform over de vorming van een duurzaamheidscoalitie in het digitaal erfgoed.

4 oktober: Heidag met het dagelijks bestuur van de NCDD om de strategische agenda handen en voeten te geven.

En dan heb ik het nog niet eens over webarchivering en digitale survivaltechnieken voor kleinere instellingen - die volgen later in het najaar.

Ik hoop jullie tegen te komen - fysiek of digitaal ;-)

Ook cultureel erfgoed zoekt samenwerking duurzame toegankelijkheid

Het is een bijzondere week. Na de baanbrekende overeenkomst van de archieven besloot gisteren een brede delegatie uit het (museaal) cultureel erfgoed  dat ook de duurzame toegankelijkheid van digitaal cultureel erfgoed gezamenlijk moet worden aangepakt. Digitaal Erfgoed Nederland en Virtueel Platform hadden het initiatief genomen tot een strategisch overleg hierover. Aanleiding was de publicatie van de strategische agenda van de Nationale Coalitie Digitale Duurzaamheid (Toekomst voor ons digitaal geheugen, 2). Daarin werd de sector van het museaal cultureel erfgoed aangeduid als ‘te diffuus’ om op dit moment op te nemen in de plannen waarin met voortrekkerorganisaties gewerkt wordt aan de bouw van infrastructuren voor duurzame toegankelijkheid in diverse sectoren. Dat kon de sector niet op zich laten zitten. DEN en Virtueel Platform besloten daarop de sector uit de nodigen voor een goed gesprek.

Aan dit strategisch overleg namen deel (foto boven vanaf rechtsonder, met de klok mee) Ole Bouwman (NAi), Anne Vroegop (Cultureel Erfgoed NL), Annelies van Nispen (DEN), Marco de Niet (DEN), Floor van Spaendonck (Virtueel Platform), Reinier van ’t Zelfde (RKD), Wilbert Helmus (SIMIN, Fries Museum), Rob Hendriks (Rijksmuseum), Toine Berbers (Vereniging Rijksgesubsidieerde Musea), Margriet de Jong (Nederlandse Museum Vereniging), Dirk Houtgraaf (Rijksdienst voor Cultureel Erfgoed), Annemarie Kremer (Theater Instituut NL), Maaike Tonen (OCW DCE, vertrokken voor de foto werd genomen) en Inge Angevaare (NCDD; achter de camera). Enkele andere genodigden moesten wegens agendaproblemen verstek laten gaan: Gaby Wijers van NIMk, Jos Taekema van Museum Volkenkunde en Kees Hendriks van Naturalis.

Het strategisch overleg krijgt een vervolg, want na de principebeslissing zal het hoe en wat nader moeten worden uitgewerkt. Zo moet worden ingevuld wie het samenwerkingsverband gaat vertegenwoordigen naar OCW en naar in de NCDD. DEN en Virtueel Platform hebben zich bereid verklaard dit oprichtingsproces te trekken. Er volgt een verslag dat breed verspreid gaat worden.

Aan het eind van de bijeenkomst zei Wilbert Helmus van de Friese Musea/SIMIN: ‘Hulde aan DEN en Virtueel Platform voor dit initiatief. Want er moet iets gebeuren. Het is niet dat we niet wilden samenwerken, maar het kwam er gewoon nooit van. Dit is een mooi begin.’